Speakers
Description
La predicción precisa del consumo de agua potable constituye un desafío clave para las distribuidoras, especialmente en contextos donde la medición manual continúa siendo el método predominante. En muchas regiones de Argentina, las cooperativas aún dependen de estos registros, lo que introduce errores en la facturación, dificulta la planificación operativa y genera conflictos con los usuarios. Este trabajo aborda dicha problemática mediante la evaluación y comparación de tres metodologías de pronóstico: un método estadístico clásico (Medias Móviles), un modelo de aprendizaje automático de conjunto (Bosque Aleatorio o Random Forest) y un procedimiento de series temporales especializado (Prophet). Los resultados demuestran que los modelos basados en aprendizaje automático, como Bosque Aleatorio, reducen de manera significativa los errores de predicción respecto a los métodos tradicionales. Se concluye que la adopción de estas herramientas aporta información valiosa para optimizar la toma de decisiones estratégicas en la gestión cooperativa del agua.